Wenhai Wang
収録論文 6本 ・ フィジカルAI/ロボット学習
VLA移動マニピュレーション自動運転BEV知覚
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 視覚的身体脳:マルチモーダル大規模言語モデルに空間での知覚・思考・制御をVLA2025/6/1
マルチモーダルLLMをロボット制御に統合するVeBrainを提案し、テキストベースの制御信号を実機の動作ポリシーに変換するアダプタと大規模指示データセットで脚ロボットやアームの適応的な操作を実現した。
- OWMM-Agent:マルチモーダルなエージェントデータ合成によるオープンワールド移動マニピュレーション移動マニピュレーション2025/6/1
オープンワールド移動マニピュレーションのためのマルチモーダルエージェントアーキテクチャと、VLMをファインチューニングするデータ合成パイプラインを提案し、実世界でSOTA性能と汎化を実現した。
- RoboCodeX:ロボット行動合成のためのマルチモーダルコード生成VLA2024/2/1
人間の指示を物体中心の操作単位に分解し、コード生成でロボットの行動を合成するフレームワークを提案。シミュレータと実機で操作・ナビゲーションタスクの最先端性能を達成。
- EmbodiedGPT: 身体性チェーン・オブ・ソートによる視覚言語事前学習VLA2023/5/1
Ego4D動画と思考の連鎖で作った大規模計画データセットEgoCOTを用い、7B LLMを接続したマルチモーダル基盤モデルを学習し、高レベル計画と低レベル制御を統合した。
- 計画指向の自動運転自動運転2022/12/1
知覚・予測・計画を単一ネットワークに統合し、計画を最終目標として最適化するUniADを提案。nuScenesで従来手法を大幅に上回る性能を示した。
- 鳥瞰図知覚の難所を探る:レビュー・評価・実践レシピBEV知覚2022/9/1
自動運転向けの鳥瞰図(BEV)知覚について、視点変換やアノテーション、マルチセンサ融合などの課題を整理し、産業界の設計例や性能向上の実践ガイドをまとめたサーベイ。
